PCDATA 和 CDATA 到底是啥？

Posted 2023-02-24

【中文标题】PCDATA 和 CDATA 到底是啥？

【英文标题】：what actually is PCDATA and CDATA?PCDATA 和 CDATA 到底是什么？

【发布时间】：2010-10-25 20:46:15

【问题描述】：

PCDATA 和 CDATA 的定义似乎很松散

PCDATA 是字符数据，但是要被解析的。 CDATA 是字符数据，不是要解析的。

但是后来有人告诉我 CDATA 实际上已解析或 PCDATA 实际上未解析...所以有点混乱。有谁知道真正的交易是什么？

更新：我实际上在 Wikipedia 上添加了 PCDATA 定义...所以不要太认真地回答这个答案，因为这只是我对它的粗略理解。

【问题讨论】：

混淆可能是由于 CDATA 可以被解析，但由不同的解析器造成的。例如，script 元素的内容（html 中的 CDATA）确实会被 javascript 解释器解析。

【参考方案1】：

来自维基：

PCDATA

简单来说，PCDATA 代表 Parsed Character Data。这意味着字符将由 XML、XHTML 或 HTML 解析器解析。 （< 将更改为 <p> 将被视为段落标签等）。与 CDATA 相比，CDATA 中的字符不会被 XML、XHTML 或 HTML 解析器解析。

CDATA

术语 CDATA 表示字符数据，在标记语言 SGML 和 XML 中用于不同但相关的目的。该术语表示文档的某个部分是一般字符数据，而不是非字符数据或具有更具体、有限结构的字符数据。

【参考方案2】：

PCDATA 和 CDATA 都被解析。它们都是字符数据。

它们都必须只包含有效字符。例如，如果您的文档编码为 UTF-8，则 CDATA 部分的内容仍必须是有效的 UTF-8 字符。所以随机二进制数据可能会阻止文档格式正确。如果只是为了找到结束部分标记，仍然会解析 CDATA 部分。但是其他类似标记的字符，如 和 & 会被解析器忽略并按原样传递。

PCDATA 文字 < 和 &（以及属性值中的 ' 或 "）中的 OTOH 必须转义，否则它们将被解释为标记。实体也将被扩展。

所以是的，CDATA 部分确实被解析了。我不知道为什么你被告知 PCDATA 没有被解析。

【参考方案3】：

PCDATA - 解析的字符数据

CDATA -（未解析的）字符数据

http://www.w3schools.com/XML/xml_cdata.asp

【参考方案4】：

PCDATA 是将由解析器解析的文本。文本内的标签 将被视为标记，实体将被扩展。 CDATA 是不会被解析器解析的文本。文本内的标签将 不被视为标记，实体不会被扩展。

默认情况下，一切都是 PCDATA。在下面的例子中，忽略根，<bar> 将被解析，它没有内容，只有一个孩子。

<?xml version="1.0"?>
<foo>
<bar><test>content!</test></bar>
</foo>

当我们要指定一个元素只包含文本，不包含子元素时，我们使用关键字PCDATA，因为这个关键字指定元素必须包含可解析的字符数据——即除字符less之外的任何文本——比 () 、和号 (&)、引号 (') 和双引号 (")。

在下一个示例中，bar 是 CDATA，未经解析，内容为 "<test>content!</test>"。

<?xml version="1.0"?>
<foo>
<bar><![CDATA[<test>content!</test>]]></bar>
</foo>

SGML 中有多种内容模型。 #PCDATA 内容模型表示元素可能包含纯文本。它的“已解析”部分意味着其中的标记（包括 PI、cmets 和 SGML 指令）被解析而不是显示为原始文本。这也意味着实体引用被替换。

另一种允许纯文本内容的内容模型是 CDATA。在 XML 中，元素内容模型可能不会隐式设置为 CDATA，但在 SGML 中，这意味着在元素的内容中忽略了标记和实体引用。然而，在 CDATA 类型的属性中，实体引用被替换。

在 XML 中，#PCDATA 是唯一的纯文本内容模型。如果您想在元素中允许文本内容，您可以使用它。 CDATA 内容模型可以通过#PCDATA 中的 CDATA 块标记显式使用，但默认情况下元素内容可能不会定义为 CDATA。

在 DTD 中，包含文本的属性类型必须是 CDATA。属性声明中的 CDATA 关键字与 XML 文档中的 CDATA 部分具有不同的含义。在 CDATA 部分中，所有字符都是合法的（包括 、&、' 和“字符），除了“]]>”结束标记。

#PCDATA 不适用于属性的类型。它用于“叶子”文本的类型。

仅出于历史原因，#PCDATA 前面带有一个哈希（也称为“哈希标签”或 octothorp）。

【参考方案5】：

你的第一个定义是正确的。

PCDATA 被解析，这意味着实体被扩展并且文本被视为标记。 XML 解析器不解析 CDATA。

【参考方案6】：

如果在 XHTML DTD 中默认情况下仅将元素设置为 CDATA，它将节省很多丑陋的手动覆盖... 为什么脚本块会包含其他元素？如果有这样的元素，它们会在 DOM 操作动作中由 JS 解释器处理——在这种情况下，XML 解析器在插入和呈现文档之前仍应完全忽略它们。我想它可能是为了强制使用外部脚本资源文件而设计的，这最终是一件好事。